基于密度相关论文
数据挖掘技术是当前的研究热点,聚类分析是数据挖掘技术中最经典、最常用的技术之一.聚类分析被广泛应用于许多重要的研究领域,如:......
随着互联网信息技术的发展，大规模数据的采集越来越便捷，数据的结构也越来越复杂，对大量复杂的数据集进行类别标注非常困难，如何从复杂......
离群点检测是数据挖掘领域中的热点问题之一，可以在庞大数据中挖掘出极少包含具有关键信息的数据，在日常生活和工作中应用十分的广泛......
离群点检测及数据聚类分析是数据挖掘的研究热点，通过检测离群点，可以从数据中获得重要的知识，有助于做出更好的决策支持。目前，离群点......
随着互联网在日常生活中的普及,信息传播速度不断加快,各行各业产生了海量的数据信息。如何从纷繁复杂的数据中挖掘出有价值的信息......
随着网络技术的发展和计算机使用的日益广泛,电子化数据越来越多,人们正面临"数据丰富而知识贫乏"的问题.数据挖掘技术为解决此问......
数十年来，数据挖掘一直是一个热门话题。作为数据挖掘的一个主要技术领域，聚类分析产生了很多算法，并且演化成一个庞大家族。现有的聚......
随着网络的普及和传感器的大规模应用,数据流的产生方式越来越多。数据流的聚类算法研究也越来越引起研究者的关注。数据流具有次......
粒子的高效分选对医学检测、化学研究、诊断治疗学、药物开发与合成等领域有着重要意义。而基于粒子密度分选粒子广泛应用于化学和......
针对传统K-means算法必须事先确定聚类数目以及对初始聚类中心的选取比较敏感的缺陷,采用基于密度的思想,通过设定Eps邻域以及Eps......
期刊
离群点是数据仓库中表现行为异常的数据.对高维空间下离群点的性质进行了研究,采用高维空间数据在低维空间投影再进行探测的策略,......
K-Means聚类算法只能保证收敛到局部最优,从而导致聚类结果对初始代表点的选择非常敏感.许多研究工作都着力于降低这种敏感性.然而......
期刊
